03. ChatGPT

1. ChatGPT

 - OpenAI가 개발한 자연어 처리 모데로, 인간과 유사한 방식으로 대화를 나눌 수 있는 인공지는 시스템
 - GPT(Generative Pre-trained Transformer) 아키텍처를 기반으로 현재는 GPT-4 버전을 사용
 - 기본적으로 영어로 세팅 -> 다국어를 이용시 영어에 비해 느리고 정보량이 부족
 - 상황을 구체적으로 기술할 수록 좋은 결과를 기대할 수 있음 
 - chatGPT에게 역할을 부여할수록 좋은 결과를 기대할 수 있음

 

• 사이트 : https://platform.openai.com/

 

 

 

 

• 새로운 파일 생성

streamlit 설치

 

 

• 화면구성

 

 

            import streamlit as st

            st.title("초간단 번역 서비스앱")

            text = st.text_area("번역할 내용을 입력하세요", "")

            src_lang = st.selectbox("번역할 언어를 선택하세요", ["한국어", "영어", "일본어"])

            trg_lang = st.selectbox("번역될 언어를 선택하세요", ["영어", "한국어", "일본어"])

            if st.button("번역하기"):

                pass

 

  

 

 

• openai 모듈 설치 후 사용, 학습시키기

  

 

             import openai

 

          openai.api_key = "sk-proj-VptnRRkv1xMQsRGpiXjmT3BlbkFJLsO6Fv6gtbvPA8qVvm9H"

 

 

            example = {

                "한국어" : ["오늘 날씨 어때?", "딥러닝 기반의 AI기술이 인기를 끌고 있다"]

                "영어" : ["How is the weather today?", "AI technology based on deep learning is gaining popularity"]

                "일본어" : ["今日の天気はどう？","ディープラーニングベースのAI技術が人気を集めている"]

            }

 

 

 

 

- 설치

 

 

 

 

• 번역함수 작성

 

           

        # 번역 요청을 처리하는 함수.

        def translate_text_chatgpe(text, src_lang, trg_lang):

              """

                text (str): 번역할 텍스트.

                src_lang (str): 소스 언어 코드.

                trg_lang (str): 대상 언어 코드.

              """

            # 몇 가지 예제(few-shot) 메시지를 생성하는 함수

            def build_fewshot(src_lang, trg_lang):

                # 소스 언어와 대상 언어의 예제 문장들

                src_examples = example[src_lang]

                trg_examples = example[trg_lang]

               

                fewshot_messages = []

               

                # 각 예제를 사용자 입력과 번역된 출력으로 구성하여 리스트에 추가

                for src_text, tag_text in zip(src_examples, trg_examples):

                    fewshot_messages.append({"role": "user", "content": src_text})

                    fewshot_messages.append({"role": "assistant", "content": tag_text})

               

                return fewshot_messages

           

            # 시스템 역할의 초기 명령 생성

            system_instruction = f"assistant는 번역앱으로서 동작한다. {src_lang}을 {trg_lang}으로 적절하게 번역하고 번역된 텍스트만 출력한다."

           

            # few-shot 예제 메시지 생성

            fewshot_messages = build_fewshot(src_lang=src_lang, trg_lang=trg_lang)

           

            # 메시지 리스트에 시스템 명령, few-shot 예제 메시지, 번역할 텍스트 추가

            messages = [{"role":"system", "content": system_instruction}, *fewshot_messages, {"role": "user", "content": text}]

           

            return messages

           

 

             

1. translate_text_chatgpe 함수 이 함수는 번역 요청을 처리하며, 입력된 텍스트(text)를 소스 언어(src_lang)에서 대상 언어(trg_lang)로 번역하기 위해 필요한 메시지 구조를 만듭니다. 2. build_fewshot 함수 src_examples와 trg_examples는 각각 소스 언어와 대상 언어로 된 예제 문장들입니다. fewshot_messages 리스트에 각 예제를 추가합니다. 각 예제는 사용자의 입력(role: "user")과 번역된 출력(role: "assistant")으로 구성됩니다. 3. 시스템 명령 생성 system_instruction는 모델이 번역 앱으로서 동작할 수 있도록 지시합니다. 시스템 역할의 초기 명령을 생성합니다.  이 함수는 몇 가지 예제(few-shot) 메시지를 생성합니다. 예제는 소스 언어와 대상 언어로 된 문장의 쌍으로 구성됩니다. 이러한 예제는 모델이 번역을 어떻게 해야 하는지 학습하는 데 도움이 됩니다. 4. 전체 메시지 생성 messages 리스트에 시스템 명령과 few-shot 예제 메시지, 그리고 번역할 텍스트를 추가합니다. system_instruction는 시스템 역할의 메시지로 추가됩니다. fewshot_messages는 사용자가 번역 요청을 할 때 참고할 예제 메시지들입니다. 마지막으로 번역할 텍스트(text)가 사용자의 입력으로 추가됩니다.

 

 

• 번역한 것만 출력하기

 

 

                        response = openai.chat.completions.create(

                            model="gpt-3.5-turbo", messages=messages

                        )

                        # print(response)

                        # print(response.choices[0].message.content)

                        return response.choices[0].message.content

  

 

 

 

 

• 전체코드

 

 

 

              import streamlit as st

              import openai

              openai.api_key = "sk-proj-VptnRRkv1xMQsRGpiXjmT3BlbkFJLsO6Fv6gtbvPA8qVvm9H"

              example = {

                  "한국어" : ["오늘 날씨 어때?", "딥러닝 기반의 AI기술이 인기를 끌고 있다"],

                  "영어" : ["How is the weather today?", "AI technology based on deep learning is gaining popularity"],

                  "일본어" : ["今日の天気はどう？","ディープラーニングベースのAI技術が人気を集めている"]

              }

              def translate_text_chatgpe(text, src_lang, trg_lang):

                  def build_fewshot(src_lang, trg_lang):

                      src_examples = example[src_lang]

                      trg_examples = example[trg_lang]

                      fewshot_messages = []

                      for src_text, tag_text in zip(src_examples, trg_examples):

                          fewshot_messages.append({"role": "user", "content": src_text})

                          fewshot_messages.append({"role": "assistant", "content": tag_text})

                      return fewshot_messages

                  system_instruction = f"assiatant는 번역앱으로서 동작한다. {src_lang}을 {trg_lang}으로 적절하게 번역하고 번역된 텍스트만 출력한다."

                  fewshot_messages = build_fewshot(src_lang=src_lang, trg_lang=trg_lang)

                  messages = [{"role":"system", "content": system_instruction}, *fewshot_messages, {"role": "user", "content": text}]

                  # print(messages)

                  response = openai.chat.completions.create(

                      model="gpt-3.5-turbo", messages=messages

                  )

                  # print(response)

                  # print(response.choices[0].message.content)

                  return response.choices[0].message.content

              st.title("초간단 번역 서비스앱")

              text = st.text_area("번역할 내용을 입력하세요", "")

              src_lang = st.selectbox("번역할 언어를 선택하세요", ["한국어", "영어", "일본어"])

              trg_lang = st.selectbox("번역될 언어를 선택하세요", ["영어", "한국어", "일본어"])

              if st.button("번역하기"):

                  translated_text = translate_text_chatgpe(text, src_lang, trg_lang)

                  st.success(translated_text)

 

  

 

 

2. 광고문구를 생성해주는 앱

  

 

• FastAPI 설치

 

• terminal 실행 입력

 

• streamlit 실행

  

       

           streamlit run app.py 

 

  

 

• main.py 실행

 

 

 

      uvicorn main:app --reload

 

 

  

 

 

• main.py

          import openai

          from fastapi import FastAPI

          from pydantic import BaseModel

          openai.api_key = 'sk-proj-VptnRRkv1xMQsRGpiXjmT3BlbkFJLsO6Fv6gtbvPA8qVvm9H'

          app = FastAPI()

          class AdGenerator:

              def __init__(self, engine='gpt-3.5-turbo'):

                  self.engine = engine

              def using_engine(self, prompt):

                  system_instruction = 'assistant는 마케팅 문구 작성 도우미로 동작한다. user의 내용을 참고하여 마케팅 문구를 작성해라'

                  messages = [{'role':'system', 'content': system_instruction},

                              {'role': 'user', 'content': prompt}]

                  response = openai.chat.completions.create(model=self.engine, messages=messages)

                  result = response.choices[0].message.content.strip()

                  return result

              def generate(self, product_name, details, tone_and_manner):

                  prompt = f'제품 이름: {product_name}\n주요 내용: {details}\n광고 문구의 스타일: {tone_and_manner} 위 내용을 참고하여 마케팅 문구를 만들어라'

                  result = self.using_engine(prompt=prompt)

                  return result

          class Product(BaseModel):

              product_name: str

              details: str

              tone_and_manner: str

          @app.post('/create_ad')

          async def create_ad(product: Product):

              # print(product)

              ad_generator = AdGenerator()

              ad = ad_generator.generate(product_name=product.product_name,

                                        details=product.details,

                                        tone_and_manner=product.tone_and_manner)

              return {'ad': ad}

 

  

 

 

• app.py

  

 

          import streamlit as st

          import requests

          st.title('광고 문구 서비스앱')

          generate_ad_url = 'http://127.0.0.1:8000/create_ad'

          product_name = st.text_input('제품 이름')

          details = st.text_input('주요 내용')

          options = st.multiselect('광고 문구의 느낌', options=['기본', '재밌게', '차분하게', '과장스럽게', '참신하게', '고급스럽게'], default=['기본'])

          if st.button("광고 문구 생성하기"):

              try:

                  response = requests.post(

                      generate_ad_url,

                      json={"product_name": product_name,

                          "details": details,

                          "tone_and_manner": ", ".join(options)})

                  ad = response.json()['ad']

                  st.success(ad)

              except:

                  st.error("연결 실패!")

 

  

 

 

 

3. 과제 

 "광고 문구 서비스앱"에 "광고문구 생성하기" 실행마다 MongoDB에 저장하고 ,
저장된 내용을 json으로 반환하여 표로 뜨게 하기

 

•  

  

       < js >

 

 

 

  

 

 

 

•  

 

      < js >

 

 

 

  

 

 

 

•  

  

      < js >

 

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

 

  

 

 

 

•  

  

      < js >

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

  

 

 

•  

  

      < js >

 

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

  

 

 

 

•  

  

      < js >

 

 

  

 

 

 

 

 

1. 

  

 

•  

  

       < js >

 

 

 

  

 

 

 

•  

 

      < js >

 

 

 

  

 

 

 

•  

  

      < js >

 

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

 

  

 

 

 

•  

  

      < js >

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

  

 

 

•  

  

      < js >

 

 

 

  

 

 

 

 

•  

 

      < js >

 

 

 

  

 

 

 

•  

  

      < js >